Automatisierbare direkte Kalibrierung von Materialmodellen auf Basis digitaler Bildkorrelation

Abstract

Materialmodelle, die sich zur Vorhersage des komplexen mechanischen Verhaltens von Thermoplasten in Crashsimulationen eignen, sind zwar seit einiger Zeit verfügbar, doch sehr aufwendig zu kalibrieren. Da viele ihrer Parameter nicht direkt in Versuchen gemessen werden können, erfolgt die Anpassung üblicherweise iterativ durch Reverse Engineering mit Optimierungsmethoden. Allerdings ist die hierzu erforderliche Einschränkung des Lösungsraums durch analytische Beziehungen regelmäßig entweder zu restriktiv oder zu extensiv. Insbesondere die Prognose des Dehnungsfelds, welches die Grundlage für die Versagenscharakterisierung bildet, ist deshalb häufig ungenügend. In dieser Arbeit wird ein Verfahren entwickelt, um die Parameter entsprechender Materialmodelle in automatisierbarer Art und Weise optimal und umfassend direkt zu kalibrieren. Iterative Schemata im Sinne von Reverse Engineering werden dabei nicht verwendet. Der Kern des Verfahrens besteht aus dem Aufstellen und Lösen modellspezifischer Differentialgleichungen, deren Eingangsgrößen aus mit digitaler Bildkorrelation erfassten Versuchen stammen. Ausgearbeitet wird es für ein isotropes Materialmodell, welches speziell zur Simulation von Thermoplasten konzipiert ist und viskoelasto-viskoplastisches Werkstoffverhalten in Kombination mit kompressibler Plastizität unterstützt. Im verwendeten Solver LS-DYNA steht es unter der Bezeichnung SAMP-1 bzw. *MAT_187 zur Verfügung. Die durchgeführten Untersuchungen konzentrieren sich auf eine optimale Prognosegüte für dünnwandige Strukturen sowie Zugversuche. Anhand von vier Thermoplasten, die die höchsten unterstützten Komplexitätsgrade des gewählten Materialmodells reflektieren, wird die Anwendbarkeit des Verfahrens demonstriert.